Pengenalan Machine Learning
Apa itu Machine Learning? Apa pengaruh Machine Learning pada kehidupan modern? Apa kegunaan dan manfaat Machine Learning ?
Sebelum itu mari kita pelajari pengertiannya terlebih dahulu.
Jadi apa sebenarnya arti Machine Learning?
Apa itu Machine Learning? Apa pengaruh Machine Learning pada kehidupan modern? Apa kegunaan dan manfaat Machine Learning ?
Sebelum itu mari kita pelajari pengertiannya terlebih dahulu.
Istilah Machine Learning diciptakan oleh Arthur Samuel pada tahun 1959, seorang pelopor Amerika di bidang permainan komputer dan kecerdasan buatan dan menyatakan bahwa "itu memberi komputer kemampuan untuk belajar tanpa diprogram secara eksplisit". Pada tahun 1997, Tom Mitchell memberikan definisi matematika dan relasional yang "well-posed" bahwa Sebuah program komputer dikatakan belajar dari pengalaman E sehubungan dengan beberapa tugas T dan beberapa ukuran kinerja P, jika kinerjanya pada T, yang diukur dengan P, meningkat dengan pengalaman E.
Jadi apa sebenarnya arti Machine Learning?
Mari kita coba memahami Machine Learning dalam istilah yang lebih sederhana. Contohnya kamu mencoba melemparkan kertas ke tempat sampah.
Setelah percobaan pertama, kamu menyadari bahwa terlalu banyak force/tenaga. Percobaan kedua, kamu menyadari bahwa lemparan lebih mendekati ke target tetapi kamu perlu meningkatkan sudut lemparannya. Apa yang terjadi di sini pada dasarnya setelah setiap lemparan kita mempelajari sesuatu dan meningkatkan hasil akhirnya supaya lebih akurat. Kita diprogram untuk belajar dari pengalaman kita.
Dari contoh ini mengimplikasikan bahwa tugas-tugas yang terkait dengan Machine Learning memberikan definisi operasional yang mendasar daripada mendefinisikan bidang dalam hal kognitif. Konsep ini mengikuti proposal Alan Turing dalam makalahnya "Computing Machinery and Intelligence", di mana pertanyaan "Dapatkah mesin berpikir?" Diganti dengan pertanyaan "Dapatkah mesin melakukan apa yang dapat kita (sebagai entitas yang berpikir) lakukan?"
Dalam bidang analitik data, Machine Learning digunakan untuk merancang model dan algoritma yang kompleks yang cocok untuk prediksi; dalam penggunaan komersial, ini dikenal sebagai analitik prediktif. Model analitik ini memungkinkan para peneliti, ilmuwan data, insinyur, dan analis untuk "menghasilkan keputusan dan hasil yang andal dan dapat diulang" dan mengungkap "hidden insights" melalui pembelajaran dari hubungan dan tren historis dalam kumpulan data (input).
Klasifikasi Machine Learning
Implementasi Machine Learning diklasifikasikan ke dalam tiga kategori utama, tergantung pada sifat "sinyal" atau "respons" pembelajaran yang tersedia untuk sistem pembelajaran:
1. Supervised learning: Ketika suatu algoritma belajar dari contoh data dan respons target terkait yang dapat terdiri dari nilai numerik atau label string, seperti kelas atau tag, untuk kemudian memprediksi respons yang benar ketika diberikan contoh-contoh baru berada di bawah kategori Supervised learning. Pendekatan ini mirip dengan pembelajaran manusia di bawah pengawasan seorang guru. Guru memberikan contoh yang baik bagi siswa untuk dihafal, dan siswa kemudian mendapatkan aturan umum dari contoh khusus ini.
2. Unsupervised learning: Dimana ketika suatu algoritma belajar dari contoh sederhana tanpa respons yang terkait, diserahkan kepada algoritma untuk menentukan pola data sendiri. Jenis algoritma ini cenderung merestrukturisasi data menjadi sesuatu yang lain, seperti fitur baru yang dapat mewakili kelas atau serangkaian nilai baru yang tidak berkorelasi. Mereka sangat berguna dalam memberikan manusia pengetahuan insights into the meaning of data dan new useful inputs untuk algoritma supervised machine learning.
Sebagai pembelajaran, ini menyerupai metode yang digunakan manusia untuk mengetahui bahwa objek atau peristiwa tertentu berasal dari kelas yang sama, seperti dengan mengamati tingkat kesamaan antara objek. Beberapa sistem rekomendasi yang biasa kamu temukan di banyak website dalam bentuk otomatisasi pemasaran juga didasarkan pada jenis learning ini.
3. Reinforcement learning: Ketika kamu menyajikan algoritma dengan contoh-contoh yang tidak memiliki label, seperti dalam pembelajaran Reinforcement learning. Namun, kamu bisa menyertai contoh dengan feedback positif atau negatif sesuai dengan solusi yang diusulkan algoritma berada di bawah kategori Reinforcement learning, yang terhubung ke aplikasi yang algoritma harus membuat keputusan (sehingga produk bersifat preskriptif, bukan hanya deskriptif, seperti dalam Unsupervised learning), dan keputusan menghasilkan konsekuensi. Di dunia nyata, itu seperti belajar dengan coba-coba.
Misal sebuah kesalahan membantu kamu belajar karena akan mendapat penalti(penderitaan??) tambahan (biaya, kehilangan waktu, penyesalan, rasa sakit, dan sebagainya), mengajarkan kamu bahwa tindakan tertentu bisa lebih kecil kemungkinannya untuk berhasil daripada yang lain. Contoh yang menarik dari Reinforcement learning terjadi ketika komputer belajar bermain video game sendiri.
Dalam hal ini, aplikasi menyajikan algoritma dengan contoh-contoh situasi tertentu, seperti membuat gamer terjebak dalam labirin sambil menghindari musuh. Aplikasi ini memungkinkan algoritma mengetahui hasil tindakan yang diambil, dan pembelajaran terjadi saat mencoba menghindari apa yang ditemukannya menjadi berbahaya dan mengancam kelangsungan hidup(karakter game). Kamu dapat melihat bagaimana perusahaan Google DeepMind telah menciptakan reinforcement learning program yang memainkan videogame jadul dari Atari. Saat menonton video, perhatikan bagaimana program ini awalnya canggung dan tidak terampil tetapi terus meningkat dengan pelatihan sampai menjadi juara.
4. Semi-supervised learning: dimana sinyal training diberikan tidak lengkap: pelatihan ditetapkan dengan beberapa (biasanya banyak) dari target output hilang. Pada kasus khusus dari prinsip ini yang dikenal sebagai Transduksi di mana seluruh rangkaian contoh masalah diketahui pada learning time, kecuali bahwa bagian dari target hilang.
Sekian dulu artikel tentang Pengenalan Machine Learning. Semoga temen- temen udah ngerti basic pengertiannya. Lanjutannya di postingan selanjutnya hehe.